Начните с простой константной стратегии и логистической регрессии, затем сравните с деревьями или бустингом на одинаковом разделении данных. Выбор определяется метрикой и ценой ошибок.
Как выбрать baseline и кандидата для классификации
Начните с простой константной стратегии и логистической регрессии, затем сравните с деревьями или бустингом на одинаковом разделении данных. Выбор определяется метрикой и ценой ошибок.
Короткий ответ
Что ответить на собеседовании
Подробный разбор
Ответ с пояснениями
Условие
Нужно предсказывать отток по табличным признакам с дисбалансом классов. Как выбрать baseline и более сильного кандидата, не подглядывая в тестовую выборку?
Ответ
Начните с простой константной стратегии и логистической регрессии, затем сравните с деревьями или бустингом на одинаковом разделении данных. Выбор определяется метрикой и ценой ошибок.
При временной природе данных используйте временной split, исключите признаки из будущего и утечку одного пользователя между частями. Оценивайте PR-метрики, калибровку и качество при выбранном пороге, а не только accuracy. Финального кандидата проверяйте на отложенном тесте после выбора; сложность и задержка модели тоже входят в критерии.